完整指南
用 Google AI Studio做有声书，能做到什么程度
用 Google AI Studio做有声书，本质上是自己动手：把文字贴进 Google 的语音生成页面，由 Gemini TTS 的声音朗读，再下载音频片段。这些声音属于目前最好的一批，免费档不花钱，做一个短篇或一章样章，可能就够了。
要做整本书，麻烦都藏在缝隙里：Gemini TTS 每次请求最多两个说话人，一次只能输入约 8k token，也完全不懂章节。这篇指南按 Google 官方文档（截至 2026 年 10 月）讲清操作步骤和限制、大家怎么绕过去拼接，以及一个热门教程在发布环节犯的错误。
Google AI Studio 的语音生成能做什么
Google AI Studio 是 Gemini API 的网页试验场，它的语音模式是体验 Google AI Studio 文字转语音最快的方式，Google 文档也建议先在这里测试再开发。文档列出四个 TTS 模型：Gemini 3.8 Flash TTS 和 3.8 Flash-Lite TTS（2026 年 9 月更新），以及 3.1 Flash TTS Preview 和 2.5 Pro Preview TTS。3.8 Flash 支持 130 多种语言，并会自动识别文字的语言。
演绎用自然语言来指挥：给某一轮加一句“cheerful and friendly”这样的风格指令；Google 还提供用尖括号写的行内声音事件，比如 <laugh>、<sigh>、<whispering>。共有 30 个预置声音，外加一个扩展声音库；AI Studio 还提供声音设计和声音复刻，这是专做有声书的工具未必有的。
分步操作：在 AI Studio 里配完一章
先拆章节。每次请求输入上限 8,192 token、输出上限 16,384 token，所以要在场景切换处把一章切成一次请求放得下的小段；如果音频提前断掉，就把这一段再切短。然后每一段：旁白选单人模式，选好声音，写一句旁白的风格指令，贴入文字，运行，下载音频。
给每一段记下模型、声音和风格指令。每次生成的结果都会有差异，同一个旁白在第一场听着温暖，到第三场可能就变得利落，除非所有设置都一样。每段都先听完再往下做：拼好的整本书，改起来比单个片段难得多。
限制：两个说话人、输入长度、每日额度
Gemini 多说话人 TTS 是大多数小说卡住的地方，Google 文档写得很清楚：单次请求的多说话人生成“最多支持 2 个使用预置声音的说话人”。角色更多，就要把每个说话人的台词单独合成。一个场景里有旁白加三个角色，就已经是四个声音，所以多数小说最后都得逐轮生成。
每日额度更难说清。TTS 模型在免费档不收费，但 Google 的速率限制页面现在只说额度可在 AI Studio 中查看，2026 年的社区反馈显示部分 TTS 模型的免费额度低到每天 10 次请求。免费档的输入和输出会用于改进 Google 的产品；3.8 系列的付费价格将在 2027 年 1 月 1 日翻倍。另外，Google 公布的 Gemini API 和 AI Studio 可用地区列表里没有中国大陆和香港。
拼接章节，处理两个以上的角色
手工做多角色，要把一章逐句过一遍：确定每句是谁说的，用这个人的声音生成他的台词，再在音频软件里按顺序拼起来。Google 提到，每个 WAV 响应都带 44 字节的文件头，用代码拼接前要去掉。最后加章节标记、统一响度、导出。
这些杂活——谁在说话、用哪个声音、什么顺序、章节从哪开始——正是多声音文字转语音工具要替你做的。一部有几十个说话角色的小说，片段会有成百上千个。如果你也在考虑聊天AI，ChatGPT能做有声书吗讲了它们会怎么处理书稿。
发布：为什么 YouTube 教程里的 ACX 路线违反规则
这个搜索词排名靠前的视频《Google AI Studio: Create an AI Audiobook and Publish It on Audible!》（2025 年 7 月）把 AI Studio 的操作讲得挺清楚，但最后一步教大家通过 ACX 上架。这一步站不住。ACX 日期为 2026 年 4 月 15 日的音频提交要求写明，有声书“必须由真人朗读，除非另获授权”，并且“未经授权在 ACX 作品中使用文字转语音、AI 或自动录音是被禁止的”。
Audible 在同一页面也说，正在努力接受第三方 TTS 内容，时间会另行公布，所以规则可能会变。在那之前，用 Gemini 朗读的书传到 ACX，可能被拒或被下架。当前规则见Audible 是否接受 AI 有声书；接受数字声音朗读（需勾选披露）的路线，见如何在 Spotify 发布有声书。
同样的 Gemini 声音，加上自动选角和 M4B 导出
如果你想要一本用 Gemini TTS 朗读的有声书，又不想管理成堆的片段：FullCastBook 的标准声音就运行在 Google 的 Gemini TTS 上，和你在 AI Studio 里听到的是同一个声音家族。区别在于周边的工作：上传 EPUB、DOCX、带文字层的 PDF、TXT 或 Markdown，章节和说话人自动识别。每一句都用它的说话人的声音单独生成，两人上限根本碰不到；[dry, unimpressed]（冷淡、不以为然）这样的提示会作为这一句的风格指令一起发送。
你可以在浏览器里试听、单句重新生成，导出带章节标记的 M4B、整本 MP3 或每章一个文件的 ZIP。想换一种音色，还有 ElevenLabs 高级声音可选。注册送的免费积分够试一个短章节，整本需要多少见价格。
来源与日期
2026 年 10 月 21 日核对：Google 语音生成指南（2026 年 10 月 12 日更新）、Gemini 3.8 Flash TTS 模型页、Gemini API 定价页（2026 年 10 月 19 日更新）、速率限制（2026 年 10 月 15 日更新）、API 条款与可用地区（均为 2026 年 4 月 28 日更新），以及 ACX 音频提交要求（2026 年 4 月 15 日）。链接在对比表下方。Google 更新这些模型很频繁，开始任何长度的 Google AI Studio做有声书项目之前，请再核对一次限制。
